CN116229725A - 一种基于模拟交通场景的交通控制方法及系统 - Google Patents
一种基于模拟交通场景的交通控制方法及系统 Download PDFInfo
- Publication number
- CN116229725A CN116229725A CN202310503480.2A CN202310503480A CN116229725A CN 116229725 A CN116229725 A CN 116229725A CN 202310503480 A CN202310503480 A CN 202310503480A CN 116229725 A CN116229725 A CN 116229725A
- Authority
- CN
- China
- Prior art keywords
- traffic
- simulated
- scene
- simulation
- traffic flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于模拟交通场景的交通控制方法包括:识别用户选择的需求内容,并对需求场景进行评估;通过对评估结果的分析,获取时段内与评估结果相符的场景和车流量;将获取到的场景和车流量进行交通场景的模拟;对模拟的交通场景进行控制并达到仿真驾驶的需求,通过驾驶体验的评估结果实现对模拟交通的控制优化。本发明提供的基于模拟交通场景的交通控制方法对不同用户的不同驾驶场景需求进行模拟,能够满足用户的驾驶需求,防止新手司机在实际道路练车发生交通事故的发生。本发明的控制效果稳定,几乎不存在非正常场景的出现,并且通过对控制方法的优化使本发明的交通控制方法不断适应用户增强用户体验。
Description
技术领域
本发明涉及交通控制的技术领域,具体为一种基于模拟交通场景的交通控制方法及系统。
背景技术
现代城市交通系统面临着越来越复杂的交通状况,如拥堵、交通事故等问题。在这种情况下,交通控制技术变得尤为重要。传统的交通控制方法基本上是基于定时和固定计划的,无法动态地适应实际交通状况。因此,需要一种更加智能和灵活的交通控制方法来解决这些问题。
近年来,随着人工智能和模拟技术的发展,基于模拟交通场景的交通控制方法开始受到关注,它利用先进的数据分析和机器学习技术,可以有效地提高对驾驶模拟的体验感与视景仿真的真实反映,为有驾驶需求但没有合适场景训练的人提供了多种模拟场景的训练途径。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的模拟交通控制存在成本较高,效果不稳定,驾驶体验不好,以及如何实现真实的交通场景模拟的交通控制问题。
为解决上述技术问题,本发明提供如下技术方案:一种基于模拟交通场景的交通控制方法,包括:
识别用户选择的需求内容,并对需求场景进行评估;
通过对评估结果的分析,获取时段内与评估结果相符的场景和车流量;
将获取到的场景和车流量进行交通场景的模拟;
对模拟的交通场景进行控制并达到仿真驾驶的需求,通过驾驶体验的评估结果实现对模拟交通的控制优化。
作为本发明所述的基于模拟交通场景的交通控制方法,其特征在于:所述识别用户选择的需求内容包括:用户根据自身需求对模拟城市交通、自身车辆类型、车流量调整、交通规范性调整、违章检测设岗进行选择,并对需求场景进行交通控制方式、车流量、其他车辆的模拟、行人因素的模拟进行评估。
作为本发明所述的基于模拟交通场景的交通控制方法,其特征在于:对所述评估的结果进行分析包括:在用户选择模拟城市和模拟路段后,获取已选城市的近一周的监控信息和实时监控信息,对交通信号规则和道路建设的实时路况进行模拟;若由于城市规划造成的信号规则变化,自动更新为规划后的交通信号使用规则;若由于道路建设造成获取的信息不符合规划后的交通情况,则向前获取前一周的道路信息并结合道路建设规划,模拟建设完成后的道路信息和交通信号使用规则,当获取前一周的道路信息无法有效识别道路原貌时,再次向前获取所述前一周之前一周的道路信息,直到能够有效识别为止;将道路建设规划完成后的模拟道路信息与获取到建设中的道路信息进行结合,并结合其他优质路径的可选择分析,根据分析结果对模拟交通的道路建设比重进行调整。
作为本发明所述的基于模拟交通场景的交通控制方法,其特征在于:获取用户选择的模拟时段,对车流量进行模拟:用户对模拟出的车流量结果进行确认,同时主动调整车流量;若选择时段为高峰时段,则将获取高峰时段和普通时段的车流量,对全路径的车流量模拟按照高峰与普通时段的车流量进行穿插交替的模拟;若选择时段为普通时段,则以普通时段车流量为基础,将长度为两个普通信号灯间距的高峰时段的车流量特征随机插入形成车流量的模拟结果;若选择时段为低峰时段,自动转为普通时段的模拟场景进行模拟。
作为本发明所述的基于模拟交通场景的交通控制方法,其特征在于:所述对车流量进行模拟还包括:根据用户的模拟驾驶需求对车流量进行分析,通过对获取城市和路段监控信息的时段监测,评估模拟路段的整体车流量数据和局部车流量数据,并对局部车流量的评估结果进行模拟全路段的打乱排序;用户若进行车流量进行调整,则对调整范围作出限制:当调整后的车流量造成车辆拥堵,导致该环境的最高车速始终低于道路限速,则自动调减且不接受车流量的再次调增;当调整后的车流量过小,使该环境下的车流量小于车辆的低峰流量,则自动调增且不接受车流量的再次调减。
作为本发明所述的基于模拟交通场景的交通控制方法,其特征在于:所述对模拟的交通场景进行控制包括:车辆行为控制和行人行为控制,通过采集每个周期内的车辆行为和行人行为,对模拟场景的车辆行驶习惯和行人过路习惯进行训练,形成模拟场景中虚拟车辆和虚拟行人的运行规则;利用马尔可夫模型对虚拟车辆和虚拟行人的行为按照上述运行规则进行预测,将预测结果作为虚拟车辆和虚拟行人的实时行为对模拟场景的交通状况进行控制;通过对模拟交通的控制识别交通事故的发生,在用户驾驶的虚拟车辆在模拟场景中发生交通事故时,通过获取当地交规对本次事故进行定责;用户能够调取定责原因和三维视角的视频重现事故。
作为本发明所述的基于模拟交通场景的交通控制方法,其特征在于:在用户使用结束时评估用户对驾驶体验的评估,包括:获取用户对模拟交通控制的直接评价;若用户没有对本次使用做出直接评价,则通过介入驾驶过程,对驾驶过程进行整体评估,根据评估结果对用户的本次使用做出系统评价;当评价结果为优,则强化本对的交通控制的模拟方式;当评价结果为良,则对本次交通控制的模拟进行分析优化,优化模块介入驾驶过程,对能够造成评价下降的影响因素进行分析,若影响因素为交通控制方法主观因素,则对控制方法进行训练优化,若影响因素为用户造成的客观因素,则对本次分析进行记录,暂时不作为训练样本参与对交通控制的优化。
一种执行本发明所述方法的一种基于模拟交通场景的交通控制系统,其特征在于:
信息采集模块:用于采集用户的需求信息和已选场景的城市和路段监控信息的获取,并将采集到的信息传输到控制模拟模块;
控制模拟模块:获取信息采集模块的信息,对采集到的场景进行评估分析,并对交通控制进行模拟;
优化模块:能够介入控制模拟模块,获取控制模拟模块的模拟交通控制过程,并对模拟的交通控制进行评价,完成对交通控制方法的优化训练。
一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现本发明中任一项所述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现本发明中任一项所述的方法的步骤。
本发明的有益效果:本发明提供的基于模拟交通场景的交通控制方法对不同用户的不同驾驶场景需求进行模拟,能够满足用户的驾驶需求,防止新手司机在实际道路练车发生交通事故的发生。本发明的控制效果稳定,几乎不存在非正常场景的出现,并且通过对控制方法的优化使本发明的交通控制方法不断适应用户增强用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例提供的一种基于模拟交通场景的交通控制方法的整体流程图;
图2为本发明第二个实施例提供的一种基于模拟交通场景的交通控制方法对用户体验评价的数据展示图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的一个实施例,提供了一种基于模拟交通场景的交通控制方法,包括:
S1:识别用户选择的需求内容,并对需求场景进行评估。
更进一步的,用户根据自身需求对模拟城市交通、自身车辆类型、车流量调整、交通规范性调整、违章检测设岗进行选择,并对需求场景进行交通控制方式、车流量、其他车辆的模拟、行人因素的模拟进行评估。
应说明的是,用户能够根据自身需求对模拟的场景进行设置。比如刚学车的上班族需要练习在上班道路上的驾驶,这时通过选择自身城市以及上班需求,识别到该地区的违章规定、信号灯规则以及常规的车流量等基本信息。通过对上述信息的评估,对场景的基本设定规则和车流规则以及车辆与行人的行为习惯进行初步的预测。
S2:通过对评估结果的分析,获取时段内与评估结果相符的场景和车流量。
更进一步的,在用户选择模拟城市和模拟路段后,获取已选城市的近一周的监控信息和实时监控信息,对交通信号规则和道路建设的实时路况进行模拟;若由于城市规划造成的信号规则变化,自动更新为规划后的交通信号使用规则;若由于道路建设造成获取的信息不符合规划后的交通情况,则向前获取前一周的道路信息并结合道路建设规划,模拟建设完成后的道路信息和交通信号使用规则,当获取前一周的道路信息无法有效识别道路原貌时,再次向前获取所述前一周之前一周的道路信息,直到能够有效识别为止;将道路建设规划完成后的模拟道路信息与获取到建设中的道路信息进行结合,并结合其他优质路径的可选择分析,根据分析结果对模拟交通的道路建设比重进行调整。
应说明的是,根据用户选择的模拟道路位置实时采集到的路况可能出现选择的道路正在抢修或重新规划的情况,在这种情况下,就可以根据再之前的信息对路况进行评估。如果道路正在较大程度的规划,那通过规划要求对路况进行预测对场景的模拟也是必要的。所述的“可选择分析”是针对可选择的替换路径的综合分析;若存在多条可替换路径则将模拟路径的建设路段所占比重进行削减,使路径的选择具有更强的适应性。
更进一步的,获取用户选择的模拟时段,对车流量进行模拟:用户对模拟出的车流量结果进行确认,同时主动调整车流量;若选择时段为高峰时段,则将获取高峰时段和普通时段的车流量,对全路径的车流量模拟按照高峰与普通时段的车流量进行穿插交替的模拟;若选择时段为普通时段,则以普通时段车流量为基础,将长度为两个普通信号灯间距的高峰时段的车流量特征随机插入形成车流量的模拟结果;若选择时段为低峰时段,自动转为普通时段的模拟场景进行模拟。所述对车流量进行模拟还包括:根据用户的模拟驾驶需求对车流量进行分析,通过对获取城市和路段监控信息的时段监测,评估模拟路段的整体车流量数据和局部车流量数据,并对局部车流量的评估结果进行模拟全路段的打乱排序;用户若进行车流量进行调整,则对调整范围作出限制:当调整后的车流量造成车辆拥堵,导致该环境的最高车速始终低于道路限速,则自动调减且不接受车流量的再次调增;当调整后的车流量过小,使该环境下的车流量小于车辆的低峰流量,则自动调增且不接受车流量的再次调减。
应说明的是,若车流量太大,导致持续拥堵,那么驾驶训练的驾驶目的就丧失了,一直开不动的场景对本发明交通控制方法的训练优化也极为不利,若车流量太小,就相当于没有什么行人和车辆,这样就会导致驾驶人员无法适应城市的真实交通情况。所有通过对车流量的上下限控制来保持模拟车辆的正常行驶。
S3:将获取到的场景和车流量进行交通场景的模拟。
进一步的,对模拟的交通场景进行控制包括:车辆行为控制和行人行为控制,通过采集每个周期内的车辆行为和行人行为,对模拟场景的车辆行驶习惯和行人过路习惯进行训练,形成模拟场景中虚拟车辆和虚拟行人的运行规则;利用马尔可夫模型对虚拟车辆和虚拟行人的行为按照上述运行规则进行预测,将预测结果作为虚拟车辆和虚拟行人的实时行为对模拟场景的交通状况进行控制;通过对模拟交通的控制识别交通事故的发生,在用户驾驶的虚拟车辆在模拟场景中发生交通事故时,通过获取当地交规对本次事故进行定责;用户能够调取定责原因和三维视角的视频重现事故。
要说明的是,同时设置周期,定期获取车辆与行人的行为特征,防止由于正常变化导致的车辆和行人的行为特征发生变化,最终导致模拟场景中模拟的交通情况与实际不符合。
要说明的还有,马尔可夫模型能够对事件进行全面预测,不仅要能够指出事件发生的各种可能结果,而且还必须给出每一种结果出现的概率,说明被预测的事件在预测期内出现每一种结果的可能性程度。本发明将定期识别的车辆行为和行人行为的行为规则作为马尔可夫模型的预测原则,对其他车辆的超车、加塞、减速、变道等行为以及行人的横穿马路等行为进行全面预测,根据预测结果对交通场景进行控制。
应说明的还有,通过用户调取事故的记录,可以学习交通规则和驾驶时的注意事项等,能够提高自我的防范意识,避免在上路行驶时的事故发生。通过对定责原因能够保证用户在发生此类交通事故时,以正确的处理方法处理。
S4:通过驾驶体验的评估结果实现对模拟交通的控制优化。
在用户使用结束时评估用户对驾驶体验的评估,包括:获取用户对模拟交通控制的直接评价;若用户没有对本次使用做出直接评价,则通过介入驾驶过程,对驾驶过程进行整体评估,根据评估结果对用户的本次使用做出系统评价;当评价结果为优,则强化本对的交通控制的模拟方式;当评价结果为良,则对本次交通控制的模拟进行分析优化,优化模块介入驾驶过程,对能够造成评价下降的影响因素进行分析,若影响因素为交通控制方法主观因素,则对控制方法进行训练优化,若影响因素为用户造成的客观因素,则对本次分析进行记录,暂时不作为训练样本参与对交通控制的优化。
进一步的,所述训练是对车辆的行为规则、行人的行为规则、路况的模拟、车流量的控制等的优化而进行的,通过优化使模拟的交通控制场景符合用户的需求。
应该说的是,通过对用户体验的反馈对是否纳入训练样本进行评判,能够使本发明的交通控制方法更能满足用户对使用设备的需求。同时由于用户造成的客观因素造成的差评,则根据工作人员对记录内容的分析判断是否纳入训练优化样本,若人工判断本次为用户的主观失误造成的事故而导致的差评,则不作为训练样本;若判断为交通控制方法的不当操作造成的事故,进而导致用户体验感差,则针对事故发生的控制不当进行训练,将本次分析结果纳入对交通控制方法的训练样本。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器、磁变存储器、铁电存储器、相变存储器、石墨烯存储器等。易失性存储器可包括随机存取存储器或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器或动态随机存取存储器等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。
本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
实施例2
参照图2,为本发明的一个实施例,提供了一种基于模拟交通场景的交通控制方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
图2为本发明对用户体验评价的数据展示图,能够看出随着对本发明交通控制方法的训练优化,用户在使用本发明进行场景模拟时,体验感越来越好,同时差评的比例也逐渐减少。
表1展示了在本发明的模拟环境下练习过的驾驶人与直接上路相比,模拟随机三个场景中的一年时间里,新手实际上路后交通事故发生的概率。
场景1和3的场景设置相近,属于正常环境;场景3为相对复杂的场景。
表1交通事故发生概率对比表
能够看出在经过本发明的练习,驾驶人在交通事故的发生概率与直接上路的半年后的事故发生率相近,且比直接上路半年后的更低;经过本发明的练习驾驶人能够更快适应道路环境,减少交通事故的发生。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于模拟交通场景的交通控制方法,其特征在于,包括:
识别用户选择的需求内容,并对需求场景进行评估;
通过对评估结果的分析,获取时段内与评估结果相符的场景和车流量;
将获取到的场景和车流量进行交通场景的模拟;
对模拟的交通场景进行控制并达到仿真驾驶的需求,通过驾驶体验的评估结果实现对模拟交通的控制优化。
2.如权利要求1所述的基于模拟交通场景的交通控制方法,其特征在于:所述识别用户选择的需求内容包括:用户根据自身需求对模拟城市交通、自身车辆类型、车流量调整、交通规范性调整、违章检测设岗进行选择,并对需求场景进行交通控制方式、车流量、其他车辆的模拟、行人因素的模拟进行评估。
3.如权利要求2所述的基于模拟交通场景的交通控制方法,其特征在于:对所述评估的结果进行分析包括:在用户选择模拟城市和模拟路段后,获取已选城市的近一周的监控信息和实时监控信息,对交通信号规则和道路建设的实时路况进行模拟;若由于城市规划造成的信号规则变化,自动更新为规划后的交通信号使用规则;
若由于道路建设造成获取的信息不符合规划后的交通情况,则向前获取前一周的道路信息并结合道路建设规划,模拟建设完成后的道路信息和交通信号使用规则,当获取前一周的道路信息无法有效识别道路原貌时,再次向前获取所述前一周之前一周的道路信息,直到能够有效识别为止;
将道路建设规划完成后的模拟道路信息与获取到建设中的道路信息进行结合,并结合其他优质路径的可选择分析,根据分析结果对模拟交通的道路建设比重进行调整。
4.如权利要求3所述的基于模拟交通场景的交通控制方法,其特征在于:获取用户选择的模拟时段,对车流量进行模拟:用户对模拟出的车流量结果进行确认,同时主动调整车流量;
若选择时段为高峰时段,则将获取高峰时段和普通时段的车流量,对全路径的车流量模拟按照高峰与普通时段的车流量进行穿插交替的模拟;
若选择时段为普通时段,则以普通时段车流量为基础,将长度为两个普通信号灯间距的高峰时段的车流量特征随机插入形成车流量的模拟结果;
若选择时段为低峰时段,自动转为普通时段的模拟场景进行模拟。
5.如权利要求4所述的基于模拟交通场景的交通控制方法,其特征在于:所述对车流量进行模拟还包括:根据用户的模拟驾驶需求对车流量进行分析,通过对获取城市和路段监控信息的时段监测,评估模拟路段的整体车流量数据和局部车流量数据,并对局部车流量的评估结果进行模拟全路段的打乱排序;
用户若进行车流量进行调整,则对调整范围作出限制:当调整后的车流量造成车辆拥堵,导致该环境的最高车速始终低于道路限速,则自动调减且不接受车流量的再次调增;当调整后的车流量过小,使该环境下的车流量小于车辆的低峰流量,则自动调增且不接受车流量的再次调减。
6.如权利要求5所述的基于模拟交通场景的交通控制方法,其特征在于:所述对模拟的交通场景进行控制包括:车辆行为控制和行人行为控制,通过采集每个周期内的车辆行为和行人行为,对模拟场景的车辆行驶习惯和行人过路习惯进行训练,形成模拟场景中虚拟车辆和虚拟行人的运行规则;
利用马尔可夫模型对虚拟车辆和虚拟行人的行为按照上述运行规则进行预测,将预测结果作为虚拟车辆和虚拟行人的实时行为对模拟场景的交通状况进行控制;
通过对模拟交通的控制识别交通事故的发生,在用户驾驶的虚拟车辆在模拟场景中发生交通事故时,通过获取当地交规对本次事故进行定责;用户能够调取定责原因和三维视角的视频重现事故。
7.如权利要求6所述的基于模拟交通场景的交通控制方法,其特征在于:在用户使用结束时评估用户对驾驶体验的评估,包括:获取用户对模拟交通控制的直接评价;若用户没有对本次使用做出直接评价,则通过介入驾驶过程,对驾驶过程进行整体评估,根据评估结果对用户的本次使用做出系统评价;
当评价结果为优,则强化本对的交通控制的模拟方式;当评价结果为良,则对本次交通控制的模拟进行分析优化,优化模块介入驾驶过程,对能够造成评价下降的影响因素进行分析,若影响因素为交通控制方法主观因素,则对控制方法进行训练优化,若影响因素为用户造成的客观因素,则对本次分析进行记录,暂时不作为训练样本参与对交通控制的优化。
8.一种执行如权利要求1至7所述方法的一种基于模拟交通场景的交通控制系统,其特征在于:
信息采集模块:用于采集用户的需求信息和已选场景的城市和路段监控信息的获取,并将采集到的信息传输到控制模拟模块;
控制模拟模块:获取信息采集模块的信息,对采集到的场景进行评估分析,并对交通控制进行模拟;
优化模块:能够介入控制模拟模块,获取控制模拟模块的模拟交通控制过程,并对模拟的交通控制进行评价,完成对交通控制方法的优化训练。
9.一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310503480.2A CN116229725B (zh) | 2023-05-06 | 2023-05-06 | 一种基于模拟交通场景的交通控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310503480.2A CN116229725B (zh) | 2023-05-06 | 2023-05-06 | 一种基于模拟交通场景的交通控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116229725A true CN116229725A (zh) | 2023-06-06 |
CN116229725B CN116229725B (zh) | 2023-07-25 |
Family
ID=86584622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310503480.2A Active CN116229725B (zh) | 2023-05-06 | 2023-05-06 | 一种基于模拟交通场景的交通控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116229725B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117975736A (zh) * | 2024-03-29 | 2024-05-03 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及系统 |
CN118082890A (zh) * | 2024-04-26 | 2024-05-28 | 广汽埃安新能源汽车股份有限公司 | 一种自动驾驶的控制指令优化方法、装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007072224A (ja) * | 2005-09-08 | 2007-03-22 | Ast J:Kk | ドライビングシミュレータ |
CN101923793A (zh) * | 2010-07-27 | 2010-12-22 | 中兴通讯股份有限公司 | 一种实现模拟驾驶的方法及系统 |
CN107221222A (zh) * | 2017-07-03 | 2017-09-29 | 扬州大学 | 一种面向工效评定的多模式驾驶模拟系统及其评定方法 |
CN110288874A (zh) * | 2019-04-28 | 2019-09-27 | 深圳市赛亿科技开发有限公司 | 一种虚拟驾驶控制方法及系统 |
CN111007738A (zh) * | 2019-11-28 | 2020-04-14 | 天津卡达克数据有限公司 | 一种用于自动驾驶算法仿真测试的软件在环平台 |
CN111429754A (zh) * | 2020-03-13 | 2020-07-17 | 南京航空航天大学 | 一种行人过街工况下的车辆避撞轨迹风险评估方法 |
CN112224211A (zh) * | 2020-10-19 | 2021-01-15 | 中交第一公路勘察设计研究院有限公司 | 基于多自主体交通流的驾驶模拟仿真系统 |
-
2023
- 2023-05-06 CN CN202310503480.2A patent/CN116229725B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007072224A (ja) * | 2005-09-08 | 2007-03-22 | Ast J:Kk | ドライビングシミュレータ |
CN101923793A (zh) * | 2010-07-27 | 2010-12-22 | 中兴通讯股份有限公司 | 一种实现模拟驾驶的方法及系统 |
CN107221222A (zh) * | 2017-07-03 | 2017-09-29 | 扬州大学 | 一种面向工效评定的多模式驾驶模拟系统及其评定方法 |
CN110288874A (zh) * | 2019-04-28 | 2019-09-27 | 深圳市赛亿科技开发有限公司 | 一种虚拟驾驶控制方法及系统 |
CN111007738A (zh) * | 2019-11-28 | 2020-04-14 | 天津卡达克数据有限公司 | 一种用于自动驾驶算法仿真测试的软件在环平台 |
CN111429754A (zh) * | 2020-03-13 | 2020-07-17 | 南京航空航天大学 | 一种行人过街工况下的车辆避撞轨迹风险评估方法 |
CN112224211A (zh) * | 2020-10-19 | 2021-01-15 | 中交第一公路勘察设计研究院有限公司 | 基于多自主体交通流的驾驶模拟仿真系统 |
Non-Patent Citations (2)
Title |
---|
周颖;严利鑫;吴青;高嵩;吴超仲;: "基于虚拟现实技术的典型动态交通场景的设计与实现", 交通信息与安全, no. 01, pages 134 - 138 * |
张珊;王蕾;郭魁元;张嘉芮;刘少华;: "基于交通事故的自动驾驶虚拟测试方法研究", 中国汽车, no. 05, pages 36 - 41 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117975736A (zh) * | 2024-03-29 | 2024-05-03 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及系统 |
CN117975736B (zh) * | 2024-03-29 | 2024-06-07 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及系统 |
CN118082890A (zh) * | 2024-04-26 | 2024-05-28 | 广汽埃安新能源汽车股份有限公司 | 一种自动驾驶的控制指令优化方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116229725B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116229725B (zh) | 一种基于模拟交通场景的交通控制方法及系统 | |
Zhao et al. | An analysis of the relationship between driver characteristics and driving safety using structural equation models | |
WO2021051870A1 (zh) | 基于强化学习模型的信息控制方法、装置和计算机设备 | |
Salamati et al. | Event-based modeling of driver yielding behavior to pedestrians at two-lane roundabout approaches | |
CN109360429A (zh) | 一种基于模拟优化的城市道路交通调度方法及系统 | |
Hess et al. | Modelling lane changing behaviour in approaches to roadworks: Contrasting and combining driving simulator data with stated choice data | |
US11955000B2 (en) | Methods, systems, and media for generating and evaluating street grids | |
Hasibur Rahman et al. | Application of connected and automated vehicles in a large-scale network by considering vehicle-to-vehicle and vehicle-to-infrastructure technology | |
Branzi et al. | A Combined Simulation Approach to Evaluate Overtaking Behaviour on Two‐Lane Two‐Way Rural Roads | |
CN110646007A (zh) | 一种基于形式化表示的车辆驾驶方法 | |
CN112749681A (zh) | 一种基于边缘设备和深度学习的违章检测方法 | |
CN114492544B (zh) | 模型训练方法及装置、交通事件发生概率评估方法及装置 | |
CN116030629A (zh) | 基于轨迹大数据的交通拥堵溯源方法、存储介质及服务器 | |
CN113276860B (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
CN115440063A (zh) | 交通信号灯的控制方法、装置、计算机设备和存储介质 | |
CN116386317A (zh) | 一种交通路口的车流量预测方法及装置 | |
CN114550028A (zh) | 车辆的任务进度获取方法、电子设备、介质及产品 | |
JP7070531B2 (ja) | 都市構造設計装置及び都市構造設計プログラム | |
Chae | Simulation of Pedestrian-vehicle Interactions at Roundabouts. | |
CN113284338A (zh) | 机动车紧急避让无灯控人行横道对交通流影响的计算方法 | |
Schoeman | Strategies to reduce traffic accident rates in developing countries: Lessons learned for assessment and management | |
CN117975736B (zh) | 一种无人驾驶车辆车路协同应用场景测试方法及系统 | |
CN115457766B (zh) | 一种用于预测道路拥堵状态的方法及系统 | |
Zhang et al. | Expressway Lane Change in Fog Environment by Dynamic Strategic Game | |
US20240212485A1 (en) | Methods, Systems, And Media For Generating And Evaluating Street Grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |